16
收录项目
7
覆盖板块
+46,671
本周星标增长(13 个有公开周增数据项目合计)
906K
总星标数
💡 本周洞察:两条主线。第一条是 「Agent 记忆」爆发:vectorize-io hindsight(37k⭐,+7,282/周,本周增长王)主打「会学习而不只是会回忆」的 Agent 记忆,在 LongMemEval 长期记忆基准上拿到 SOTA,核心概念是 retain / recall / reflect 三段式 + 心智模型(mental models / knowledge pages)。你刚在 mimocode 里踩过 mem0 的坑(「检查 mem0 连接」「mem0 中文写入 UTF-8 编码错误」「Hermes Bot Mode 记忆隔离」),Hindsight 这套「reflect 主动提炼 + 分 bank 隔离」正好是你在找的药方。第二条是 「Agent 公司化」:paperclip(89k⭐,+5,376,口号是「如果 OpenClaw 是员工,Paperclip 就是公司」)把多 Agent 编排做成组织架构 + 预算 + 治理 + 目标对齐的管理台,跟你「Hermes + mimocode 双端协同、Tailscale 打通」的多 Agent 现状是同一件事的产品化版本。可验证的 AI 继续走强:cloudflare security-audit-skill(+6,474)和阿里 open-code-review(+4,310,确定性 pipeline + LLM 混合审查)连续在榜。行业垂类信号:Anthropic 把 financial-services(37k⭐,+2,633)整套开源——10 个金融工作流 Agent + 7 组 Skill + 12 个 MCP 数据连接器,全是纯 Markdown/YAML 参考实现,这是「行业 Agent 该怎么打包交付」的教科书,直接可对照你的药师帮品类运营/找货/补贴工作流该怎么 Skill 化。办公侧 univer(Office Harness for AI Agents)和 open-slide(Agent 写 PPT 的框架)进入 Trendshift 实时榜,跟你「先写 md 对齐再出 PPT」的工作流能接上。
🤖

AI Agent 框架

核心领域
TypeScript
多 Agent 编排 并行调度
↑ +6,503/周 ⭐ 79,546 🍴 5,205
「并行 Agent 舰队的 ADE(Agent Development Environment)」——Orca 的定位不是又一个编码 Agent,而是「同时指挥一群编码 Agent」的工作台:把你已有的编码 Agent(Claude Code、Codex、MiMo Code 等,用你自己的订阅)挂进来,在一个界面里并行开任务、看 diff、做 review,桌面端 + 移动端 + 远程运行时三种形态都有。本周 +6,503,比上周(+5,404)继续加速,总星标已到 7.95 万,是「多 Agent 并行」赛道目前星标最高的独立项目。它解决的问题很具体:单个 Agent 再强,人还是瓶颈——Orca 把人的角色从「打字员」变成「调度员 + 审核员」。

🔍 同类对比

  • vs paperclip(同榜):Orca 管「干活的舰队」(任务级并行、diff/review 工作流),paperclip 管「运营一家公司」(组织架构、预算、目标对齐);Orca 更贴近日常开发操作面,paperclip 更贴近管理面
  • vs Git worktree 手动并行:worktrunk(同榜,+1,141)只是把 worktree 用法 CLI 化,Orca 直接给了可视化调度台 + 远程运行时,但代价是多一个常驻服务
  • vs Claude Code 单体会话:单体强在深度上下文,Orca 强在吞吐量(多个任务同时推进),适合「一批独立小任务」而不是「一个巨型重构」

🎯 与你/mimocode 的关联

  • 你现在的多 Agent 现状是「Hermes(Linux 云端)+ MiMo Code(Windows 端)」双端人肉调度,mimocode「Mimocode 与 Hermes 看板数据同步」「整合 mimocode 到 hermesoffice 看板」本质就是在自建一个简版调度台——Orca 的任务分发 + 统一 review 界面可以当参考原型,省得从零发明交互
  • mimocode 代码库里有大量「可并行的独立脚本任务」:内部使用/(爆款筛选 23k 行)、百万商业/(十万商业自动补贴)、自动复盘/(四川优势品种复盘)这类互不依赖的批处理,正是 Orca 场景;但注意它依赖各家编码 Agent 订阅,你的 MiMo Code 接入需要验证
  • 服务器只有 4GB 内存(「内存优化防重入」的教训),Orca 桌面端 + 远程运行时的模式反而合适——重活放 Windows 端,云端 Hermes 只做轻调度
TypeScript
Agent 管理 团队协作
↑ +5,376/周 ⭐ 89,778 🍴 15,654
「管理 AI Agent 工作的开源 App」——Paperclip 是 Node.js 服务端 + React 仪表盘,把一队 AI Agent 编排成一家「公司」:自带组织架构(org charts)、预算(budgets)、治理(governance,人工审批招聘/战略,随时接管)、目标对齐(goal alignment)和成本追踪。它长得像任务管理器,底层是多 Agent 协作调度;「自带 Agent 来,分配目标,从一个看板追踪工作与花费」。MIT 协议、自托管、无需账号,npx paperclipai onboard --yes 一条命令拉起 Agent 团队,一个部署可以跑多个互相隔离的「公司」。今年 3 月开源后三周破 3 万星,本周 +5,376,总星标 8.98 万,是当前「Agent 管理台」品类的领跑者。

🔍 同类对比

  • vs stablyai/orca(同榜):Orca 面向开发任务并行(diff/review 视角),paperclip 面向业务目标管理(谁在干什么、花了多少钱、是否偏航);如果你要「看进度和成本」选 paperclip,要「看代码」选 Orca
  • vs Hermes Work Dashboard(你自建):你的看板是从对话中提取工作项、LLM 自动归类,paperclip 是自上而下派目标给 Agent、追踪执行与花费——两者互补:你的管「已发生的记录」,paperclip 管「已下达的任务」
  • vs LibreChat 等聊天台:LibreChat 是「人对一个 AI 聊天」,paperclip 是「人管一群 AI 干活」,前者是沟通界面,后者是管理系统,不冲突但心智完全不同

🎯 与你/mimocode 的关联

  • 直接对标你在做的「AI 工作集成看板」系列工作(「整合 mimocode 到 hermesoffice 看板」「Mimocode 与 Hermes 看板数据同步」):paperclip 的「目标下达 → Agent 执行 → 成本追踪」数据模型,比你现在「LLM 总结对话 → 归类项目」的被动模式多了一层主动派工,值得抄它的 goal / budget 两张表设计
  • 你的真实痛点「token 消耗统计」(mimocode「获取对话真实 token 消耗」「hermesoffice 项目 token 显示优化」)在 paperclip 里是一等公民(成本看板 + 预算审批),可以对照它的口径设计你自己的 token 成本科目
  • 注意:它把 Agent 当「员工」管理的前提是 Agent 工具生态标准化(自带 adapter),你的 Hermes/MiMo Code 双端接入需要写适配层;先当参考架构看,别急着全量替换自建看板
TypeScript
编码 Agent CLI 工具
↑ +1,744/周 ⭐ 148,346 🍴 24,862
Anthropic 官方终端编码 Agent:常驻终端、理解整个代码库,用自然语言执行常规任务、解释复杂代码、处理 git 工作流。本周 +1,744(上周 +1,999),增速温和但仍是整个 Skill 生态的最大宿主平台——本周上榜的 security-audit-skill、knowledge-work-plugins、claude-code-templates、open-slide 全部以它为第一适配目标。值得注意的是它正在从「编码工具」泛化成「Agent 运行时」:同一家公司的 financial-services 仓库(同榜)里,Claude Code 插件和 Managed Agents API 用的是同一套 system prompt 和 skills。

🔍 同类对比

  • vs MiMo Code(你在用):同为终端编码 Agent,Claude Code 的 Skill/MCP 兼容面仍是业界最广(本周 Skill 榜一半以上项目首选适配它);MiMo Code 走国产模型性价比路线,你已遇到过速度问题(mimocode「药师帮项目 mimocode 速度问题」)
  • vs Hermes Agent(你在用):Claude Code 强在编码深度和生态,Hermes 强在消息网关(飞书/企微/微信)+ Cron 调度 + 记忆,你两者的分工(Hermes 管自动化与推送、MiMo Code 管写代码)是合理配置
  • vs Cline/Orca:Cline 开源可换模型、Orca 管并行舰队;Claude Code 是单点体验和生态标准的定义者,「被集成」的角色越来越重(插件、Managed Agent 模板都从它导出)

🎯 与你/mimocode 的关联

  • 你的 Skill 生态建设(superpowers 安装、guizang-ppt-skill、Karpathy 12 条规则、mimocode「系统层级安装 superpowers 技能」)所用的 SKILL.md 格式就是 Claude Code 定义的事实标准——它泛化成「Managed Agents API + 同一套 skills」意味着这套技能资产未来可直接搬到托管 Agent,你积累的 Skill 不会白写
  • mimocode「提取 opencode 项目 skill 和 Agent 到根目录」「对话会话分叉指南」这类操作在 Claude Code 生态里都有官方机制,迁移成本低
  • 本周增速平稳(+1,744)无破坏性变化信号;你现有工作流不依赖它本体,主要是「Skill 格式兼容性」层面持续跟着走即可
Python
AI 助手 自托管
↑ +951/周 ⭐ 5,260 🍴 638
腾讯云开源的「更聪明的自托管 AI 助手」——多用户、多 Agent。定位是可以在自己服务器上部署、给团队多人使用的 AI 助手平台:一套部署同时服务多个用户、可挂多个 Agent 协作,数据不出内网。本周 +951 首次进入周榜,星标 5,260,属于「自托管团队 AI 助手」这个正在升温的细分(同赛道还有 LibreChat、OpenClaw 等)。国产大厂出品 + 中文场景 + 自托管,是它区别于海外项目的三个关键词。

🔍 同类对比

  • vs LibreChat(上周在榜):LibreChat 生态更成熟(Agents/MCP/Skills/多模型切换全支持、4.4 万星),Octop 优势在腾讯云背景的中文场景贴合与多 Agent 原生协作,但生态和插件丰富度还在早期
  • vs Hermes Agent(你在用):Hermes 走「个人助手 + 消息网关 + Cron」路线,Octop 走「团队多人共用的助手平台」路线;你的药师帮场景如果是给团队开放使用,Octop 的多用户隔离模型更对口
  • vs paperclip(同榜):paperclip 管 Agent 工作流(派目标、看成本),Octop 管 Agent 交互(多人对话式使用),一个是后台调度一个是前台入口

🎯 与你/mimocode 的关联

  • 你的「药师帮知识库 | AI生成SQL指南」和「需求梳理工具开发」如果要从「自己用」变成「团队用」,多用户 + 权限隔离是绕不开的——Octop 的多用户模型和 Hermes Office 的登录密码/JWT 加固(mimocode「登录密码防护力度分析」)可以对照参考
  • 它与你的 biz-up(8507)、Work Dashboard(8501)同属「内网自托管服务」,技术栈(Python)一致,遇到多用户鉴权、会话隔离问题时可以直接翻它的实现
  • 注意:项目刚上榜(星标 5,260、638 forks),成熟度远低于 LibreChat;建议只「读代码取经」,暂不上生产
⚡

Skill/技能生态

核心领域
JavaScript
安全审计 Skill 可验证输出
↑ +6,474/周 ⭐ 22,322 🍴 1,295
Cloudflare 官方出品的编码 Agent 安全审计 Skill:多阶段(multi-phase)审计流程,产出可独立复核、机器可读的漏洞结论(independently verified, machine-readable findings)。它的关键设计不是「让 LLM 看一眼说有没有漏洞」,而是把审计拆成阶段化流程 + 每条发现都有可复现的验证步骤,让结论可以被第二个人/第二个工具检查。本周 +6,474(上周约 +8,669),连续两周高位,总星标 2.23 万。作为大厂安全团队亲自下场写的 Skill,它也是「Skill 该怎么写才有工程可信度」的样板:有流程、有产物格式、有验证环节。

🔍 同类对比

  • vs 阿里 open-code-review(同榜):open-code-review 是常驻工具(确定性 pipeline + LLM 混合、行级注释、内置规则集),security-audit-skill 是即用型技能(按需触发多阶段审计);工具适合进 CI,Skill 适合进 Agent 会话
  • vs 通用「代码审查」Skill:通用 Skill 只给「建议」,它给「机器可读 + 可独立复核的 findings」,可直接喂给下游流程(自动开 issue、自动回归),这是它星标能连涨的核心差异
  • vs ECC 的 security 模块(同榜):ECC 是行为约束层(防患于未然),security-audit-skill 是事后审计层(找出现有问题),两者一防一查,可以叠着用

🎯 与你/mimocode 的关联

  • 直接对应你上周做的安全加固(mimocode「登录密码防护力度分析」:SHA-256→bcrypt、JWT 密钥、CORS 漏洞修复)——这类检查完全可以固化成一个你自己的审计 Skill,每次 Hermes Office / biz-up 改动后自动跑一遍
  • mimocode 里直连生产库的脚本不少:云服务器/定价 API、百万商业/自动补贴、set_price.py 自动调价、爆款汰换直接写 ts_ 表——SQL 注入面、凭据硬编码面正是这个 Skill 的多阶段审计擅长找的
  • 落地建议:不需要全量引入,先抄它的「findings 机器可读格式」(结论能被脚本解析),接到你「请求代码审查」类任务的输出规范里,让你的复盘报告可自动汇总
JavaScript
Harness 系统 Agent 性能优化
↑ +5,522/周 ⭐ 268,399 🍴 40,099
「Agent harness 性能优化系统」——GitHub 星标最高的 Agent 基础设施项目(26.8 万)。它不是单一工具,而是一整套让编码 Agent 跑得更好的方法论实现:Skills(技能注入)、instincts(行为直觉规则)、memory(记忆管理)、security(安全约束)、research-first development(先调研后动手)。兼容 Claude Code、Codex、Opencode、Cursor 等主流编码 Agent,本质是给这些 Agent 装「性能与行为的优化外骨骼」。本周 +5,522,连续多周霸榜(上周 +6,265),总星标较上周再涨约 5 千。

🔍 同类对比

  • vs addyosmani/agent-skills(上周在榜):agent-skills 是生产级工程技能集(单点能力),ECC 是系统级优化层(技能+记忆+安全+流程全覆盖),ECC 更重但对长会话/长项目收益更大
  • vs Superpowers 技能包(你已装):Superpowers 偏创意/工作流技能(brainstorming、verification-before-completion),ECC 偏性能与行为优化,互补而非替代
  • vs hindsight(同榜):hindsight 专攻「记忆怎么长出来」(retain/recall/reflect),ECC 的 memory 只是它五个模块之一;要深挖记忆选 hindsight,要整体行为调优选 ECC

🎯 与你/mimocode 的关联

  • 直接对应你的内存与性能反复出现的问题:「Gateway内存占用分析」(state.db 加载 242MB)、「Django进程内存占用过高」(read_sql 后 dispose 修复)、「优化 cal_provider_price 函数性能」(10 万行 5 分钟→批量计算)——ECC 的 research-first + 分层记忆思路是这类问题的系统化解法
  • mimocode 已在做「Karpathy 12 条规则导入」「系统层级安装 superpowers」,ECC 的 instincts 模块正是「长期指导原则」的工程化载体,可参考它的规则组织方式替代目前散落在 mem0 的做法
  • 注意:全量引入会加重 4GB 内存服务器负担(「内存优化防重入」的教训),建议只读文档参考 memory 分层和 research-first 流程两个模块
Python
知识工作插件 Cowork
↑ +664/周 ⭐ 25,756 🍴 3,038
Anthropic 官方的「知识工作者插件」开源仓库,主要面向 Claude Cowork(办公协作场景)使用。它是「行业/职能工作流怎么打包成 Agent 插件」的官方示范:把文档处理、数据分析、业务流程类任务做成即插即用的插件单元。本周 +664(上周 +1,034),增速回落但仍是「知识工作 Skill 化」方向唯一的官方参考实现。同一家公司本周另一个仓库 financial-services(同榜)就是这套插件体系在金融行业的具体落地。

🔍 同类对比

  • vs anthropics/financial-services(同榜):knowledge-work-plugins 是通用知识工作能力(横向),financial-services 是垂类工作流(纵向);后者是前者方法论在金融的实例化,读后者更容易看懂前者该怎么用
  • vs 社区 Skill 包(awesome-agent-skills 等):社区包数量大但质量参差(Reddit 现在都在吐槽「80 万个 SKILL.md 一半是垃圾」),官方插件胜在结构规范、可作模板
  • vs ECC:ECC 优化 Agent「怎么干活」,knowledge-work-plugins 定义「干什么活」(业务任务单元),两者层次不同

🎯 与你/mimocode 的关联

  • 你的高频知识工作正是它的目标场景:「半年度工作复盘理解」「TAPD 需求内容总结」「数据需求文档完善」「解释报告中的专业词汇」「公司问卷填写」——这些都可以按它的插件结构沉淀成你自己的「药师帮运营插件」,而不是每次现聊
  • mimocode「药品自动复盘功能」「爆款品种汰换汇报与管理页面」这类有固定流程的分析工作,适合参考它的「任务指令 + 工作流步骤 + 数据接线全部纯文本化」组织方式,让 MiMo/Hermes 两边共用
  • 与你的「AI 分享 PPT」积累结合:你总结 AI 提效经验时,这类「把工作流 Skill 化」的官方背书是很强的案例素材
🛠

AI 工具链

核心领域
Go
代码审查 混合架构
↑ +4,310/周 ⭐ 41,917 🍴 3,010
阿里开源、在阿里体量下久经考验的代码审查工具:「确定性 pipeline + LLM Agent」混合架构——静态规则先跑(内置多语言规则集:NPE、线程安全、XSS、SQL 注入),LLM 再做需要理解的部分,输出精确到行的评论,兼容 OpenAI 与 Anthropic 接口。本周 +4,310(上周 +15,028 爆发后回落到正常区间),总星标 4.19 万。它的核心主张:代码审查不能纯靠 LLM 的「感觉」,能用确定性规则钉死的绝不交给模型,模型只处理剩下的。

🔍 同类对比

  • vs cloudflare/security-audit-skill(同榜):open-code-review 是常驻流水线工具(适合 CI、每次提交都跑),security-audit-skill 是按需深挖的会话技能(适合发版前审计);规则覆盖面前者广、单点深度后者强
  • vs 纯 LLM 审查(直接让 Agent 看 diff):纯 LLM 灵活但不稳定、成本高;它的混合架构在「可复现 + 成本可控」上优势明显,缺点是要维护规则集
  • vs SonarQube 等传统静态扫描:传统工具规则死板、误报多且不懂业务语义;它补上了 LLM 的语义理解层,同时保留了确定性规则的可复现性

🎯 与你/mimocode 的关联

  • mimocode 的核心脚本都是「直接写生产库」的高危面:百万商业/自动补贴(cal_subsidy)、云服务器/定价 API、set_price.py / filter_set_price.py 自动调价、品种数据.py 对 ts_zhdrug_info 的兜底——SQL 注入/线程安全/NPE 正是它内置规则集的主场
  • 你已有「请求代码审查」的 pre-commit 习惯,可以把它的「确定性规则先行 + LLM 只看剩下的」分工写进你的审查 Skill,省钱又稳定(你记忆里就有「批量调用先问哪把 key 免费」的成本意识)
  • Go 单二进制、OpenAI/Anthropic 兼容接口,接到你现有模型路由(mimo-v2.6 等)门槛不高;建议先在「内部使用/」爆款筛选脚本的改动上试跑
Python
Agent 化工具 CLI 生成
↑ +1,055/周 ⭐ 50,744 🍴 4,638
港大数据智能实验室(HKUDS)出品:「让所有软件变成 Agent 原生」。对任意有代码库的软件跑一条 7 阶段自动化流水线,生成一个带测试的 agent-ready CLI harness——含 REPL 模式、JSON 输出和 SKILL.md,让 Agent 能自己发现并调用这个软件。配套 CLI-Hub 是「agent 原生命令行」市场,覆盖 18+ 专业软件演示(QGIS、3MF、CloudAnalyzer 等)、2,280 个通过测试,还提供 workflow matrix(把「做一个视频」这种跨多工具的任务打包成能力矩阵)。本周 +1,055,总星标破 5 万,是「软件→Agent 接口」这条赛道的代表作,有配套论文(arXiv 2606.03854)。

🔍 同类对比

  • vs MCP 协议路线(mobile-mcp 等,同榜板块):MCP 走「协议标准化」(服务端暴露工具),CLI-Anything 走「接口生成」(直接给软件造命令行 + SKILL.md);MCP 需要软件方配合,CLI-Anything 对既有软件无侵入,但生成质量依赖流水线
  • vs 手写封装脚本:手写快但不可复用、无测试保障;它生成的 harness 自带 2,280 个测试背书,且 SKILL.md 让多个 Agent 复用同一套接口
  • vs GUI 自动化(computer-use / 浏览器驱动):GUI 自动化脆弱(界面一变就断),CLI 接口稳定且可组合,这也是它火的根因

🎯 与你/mimocode 的关联

  • 你的很多「软件没有 API 只能人肉点」场景正对它胃口:宝塔面板操作、企微授权登录排查(mimocode「企业微信授权登录问题排查」「Chrome CORS 错误协助」)、自动翻页统计 account 的控制台脚本——这类都可以考虑给内部工具生成 CLI harness 替代脆弱的浏览器注入
  • mimocode「解析 SQL 查询涉及的表和字段」「SQL 查询解析工具」和「AI 生成 SQL 指南」本质是同一个理念:给数据操作造 Agent 友好的结构化接口;CLI-Anything 的「能力矩阵 × 提供方」组织方式可参考
  • 注意:生成质量取决于目标软件代码库质量;对你自己的 Python 脚本(内部使用/、百万商业/)比对第三方闭源软件更适用,优先用在自有代码上
Python
配置管理 模板市场
↑ +1,142/周 ⭐ 31,990 🍴 3,643
Claude Code 的配置与监控 CLI 工具:一站式浏览和安装模板市场里的 agents、skills、MCP 配置、hooks、主题等组件,并监控 Claude Code 运行状态。它把「挑组件、装组件、配组件、看组件跑得怎么样」这套原本要翻很多仓库的事收敛成一条命令行。本周 +1,142,总星标 3.2 万。在 Skill 生态爆炸(GitHub 上已有 80 万+ SKILL.md、每周都有新 Skill 包冲榜)的当下,「分发与监控层」开始吃到红利——它就是这个分发层。

🔍 同类对比

  • vs Vercel 的 npx skills(生态另一分发入口):npx skills 主打跨 70+ Agent 安装,claude-code-templates 主打 Claude Code 深度配置 + 运行监控;前者广而浅,前者广度后者深度
  • vs 手动 clone 各 Skill 仓库(你现在的方式):你装 superpowers、guizang-ppt-skill 都是逐个 clone/copy,用它做统一索引和更新检查能省掉「哪些 Skill 有更新」的人肉排查
  • vs awesome-agent-skills 等清单仓库:清单只是「列表」,它是可执行的安装器 + 监控器,从「知道」到「装上并盯着」

🎯 与你/mimocode 的关联

  • 你的 Skill 资产已经跨两个系统(Hermes 的 skills/ 目录、MiMo Code 的系统层 skill 目录),mimocode「提取 opencode 项目 skill 和 Agent 到根目录」「系统层级安装 superpowers 技能」说明你正在人肉做「Skill 分发」——这正是它产品化解决的问题
  • 「监控」能力可对照你的 cron 健康检查(mimocode「Fix cron health check script」「检查定时任务状态」):组件多了以后「装了什么、跑没跑、谁坏了」必须有清单,思路可借鉴到你的定时任务台账
  • 注意:它以 Claude Code 为中心,你的 MiMo Code / Hermes 侧只能借「模板索引 + 变更监控」思路,不能直接用它的安装通道
🔌

MCP 生态

核心领域
📌 本周 MCP 生态说明:GitHub 周榜上本周没有「纯 MCP Server」项目过线,但 Trendshift 实时榜里 mobile-mcp 热度居前,且本周多个上榜项目(financial-services 的 12 个数据连接器、hindsight 的 MCP 集成、claude-code-templates 的 MCP 配置管理)都把 MCP 当一等公民——MCP 正在从「独立项目」变成「所有 Agent 项目的标配连接层」。
TypeScript
MCP Server 移动自动化
◆ Trendshift 实时榜 ⭐ 7,898 🍴 674
移动端自动化与抓取的 MCP Server:覆盖 iOS、Android、模拟器、真机,用平台无关的统一接口让 LLM/Agent 直接操作原生 App——基于无障碍树(iOS WebDriverAgent / Android UI Automator)做确定性交互,截图坐标点击兜底。兼容 Claude Code、Codex、Gemini、Copilot 等任意 MCP 客户端;本地跑(数据不出机器)或接 Mobile Next Cloud 的云端真机。本周进入 Trendshift 实时榜(GitHub 周榜未给周增数),总星标 7,898。它的意义在于:App 自动化从「写 Appium 脚本」变成「跟 Agent 说一句话」。

🔍 同类对比

  • vs Appium MCP 等测试框架封装:Appium MCP 依赖 Appium 全家桶(重),mobile-mcp 直接走系统无障碍树(轻、确定性强),且原生支持 MCP 多客户端
  • vs 浏览器自动化(你的 agent-reach / browser 工具):浏览器工具管 Web,mobile-mcp 管原生 App;药师帮商家端 App/小程序的自动化场景只有后者能覆盖
  • vs 手机端 RPA 工具(影刀、按键精灵类):RPA 靠录屏回放(脆),mobile-mcp 靠结构化无障碍快照(稳)且 Agent 可自主决策,不是录制脚本

🎯 与你/mimocode 的关联

  • 你有不少「网页注入 JS 自动翻页/签到」类脚本(mimocode「自动翻页统计 account 并导出 Excel」「每天定时登录指定网站获取信息」「必洛斯断供调查的信息源监控」)——如果信息源只在 App 里,mobile-mcp 是同类思路在移动端的延伸
  • 药师帮是移动优先的平台,商家 App 的界面回归、上架流程走查(对应 mimocode「药品自动上架」相关脚本)未来可以用它做免脚本化巡检
  • 注意:你目前核心信息流都在 Web/API 侧,这个项目属于「先知道、有场景再上」,优先级低于 hindsight / paperclip
📊

数据/知识库

个性化推荐
Python
Agent 记忆 长期学习
↑ +7,282/周(本周增长王) ⭐ 37,225 🍴 4,830
「会学习的 Agent 记忆」——Hindsight 的主张是:大多数 Agent 记忆系统只在「回忆对话历史」,而它要让 Agent「学习」。核心机制是 retain / recall / reflect 三段式:保留原始经历、按需召回、并周期性主动反思提炼出心智模型(mental models)和知识页(knowledge pages),按 bank(记忆库)组织可做多租户/多场景隔离。官方称在 LongMemEval 长期记忆基准上达到 SOTA,优于 RAG 和知识图谱路线;集成面很广(LLM Wrapper、coding agents、MCP、LiteLLM、CrewAI、Pydantic AI、Microsoft Agent Framework),官方 cookbook 甚至有「hermes-memory:给 Hermes Agent 接持久记忆」的现成示例。本周 +7,282 登顶,总星标 3.72 万,是 Trendshift 实时榜 #1。

🔍 同类对比

  • vs Mem0(你正在用的火山引擎版):Mem0 侧重「自动抽取 + 向量检索对话记忆」,Hindsight 多了 reflect 层(主动把经历提炼成可复用的知识页/心智模型)和 bank 级隔离;你遇到的「记忆容量与检索不足」「Bot 间记忆混淆」正是它设计上重点解决的
  • vs RAG / 知识图谱:RAG 只会「按相似度翻旧账」,知识图谱要人工维护schema;Hindsight 用「观察→知识页」的自动演化路线,官方基准数据支持其长程记忆优势,代价是系统更复杂
  • vs OpenViking(8 月在榜的记忆+RAG+Skill 统一):OpenViking 走「大一统平台」,Hindsight 走「记忆专精 + 到处集成」;专精件更容易先在你的单点场景(mem0 替代/补充)验证

🎯 与你/mimocode 的关联

  • 你的 mem0 痛点清单几乎是它的产品需求文档:「mem0 中文写入 UTF-8 编码错误」「Hermes Bot Mode mem0 兼容性/记忆隔离」「[hermes-env] 前缀做环境记忆隔离」「记忆系统自动提炼(Checkpoint Writer)」——Hindsight 的 bank 隔离(天然解决多 Bot 混淆)+ reflect(对应你研究的「自动提炼」机制)两项都能对上
  • 官方 cookbook 里的 hermes-memory 示例就是「Hermes Agent + Hindsight 持久记忆」现成集成,意味着你不用自己摸索接入路径,这是本周所有项目里跟你技术栈贴合度最高的一个
  • 落地路径建议:先在非生产场景(比如 GitHub 趋势看板这个 cron 任务的跨周记忆)试点「知识页」式记忆,验证中文写入和提炼质量后再考虑替换/补充火山引擎 Mem0
Go
知识平台 RAG
↑ +3,015/周 ⭐ 30,597 🍴 4,094
腾讯开源的 LLM 知识平台:把原始文档变成「可查询的 RAG + 自主推理的 Agent + 自我维护的 Wiki」三位一体。三件事一条链路做完:文档进来先结构化建索引(RAG),然后能被 Agent 主动推理查询,最后沉淀成会自我更新的知识库(Wiki)。本周 +3,015(上周 +4,867 高位后回落),总星标 3.06 万,连续两周上榜,是国内「文档→知识资产」路线的头部开源项目。

🔍 同类对比

  • vs hindsight(同榜):WeKnora 管「团队文档知识」(组织级知识资产,文档进 Wiki 出),hindsight 管「Agent 个体记忆」(经历进知识页出);两者一个横向知识库一个纵向记忆,可以叠着用
  • vs LangChain/LlamaIndex 自建 RAG:自建 RAG 灵活但要拼装一堆组件;WeKnora 是全家桶(索引+推理+Wiki 维护),上手快但定制深度受限
  • vs Notion AI / 飞书知识库问答:SaaS 方案数据在别人家;WeKnora 自托管可接内部 MySQL/文档源,符合你「数据不出内网」的一贯选择

🎯 与你/mimocode 的关联

  • 直接对标 mimocode 的「药师帮知识库」项目(「AI 生成 SQL 指南」「药师帮知识库进展讨论」:给代码库建含函数摘要的交互式知识图谱)——WeKnora 的「文档→RAG→自我维护 Wiki」正是知识库从静态变自维护的参考架构
  • 你的飞书云文档集成(「飞书云文档集成与管理模块」「refresh.py 文档决策讨论」)可以对照它的文档摄入管道设计:飞书文档→解析→索引→Wiki 自更新
  • Go 单体 + 自托管,部署形态与你的宝塔服务器兼容;但注意 4GB 内存约束,向量库(它支持 8+ 向量数据库选型)建议选轻量的,先小数据量验证
🏦

行业 Agent 落地

个性化推荐
Python
垂类 Agent 数据连接器
↑ +2,633/周 ⭐ 37,856 🍴 5,464
Anthropic「Claude for Financial Services」全套开源(Apache 2.0):10 个金融工作流 Agent(Pitch Agent、Market Researcher、GL Reconciler 月末结账、KYC 文档审查、财务建模等)+ 7 组按职能打包的 Skill 束 + 2 个合作伙伴数据插件(LSEG、S&P Global)+ 12 个 MCP 数据连接器。全部是纯 Markdown/YAML 的参考实现:任务指令、工作流步骤、数据接线全部可读可改,同一个 system prompt / skills 既可当 Claude Cowork 插件装,也可通过 Managed Agents API(/v1/agents)部署到自己的工作流引擎后面。本周 +2,633,总星标 3.79 万。它的价值不在金融本身,而在「行业工作流 Agent 化的标准答案」——垂类 Agent 该怎么拆:Agent(端到端流程)/ Skill(能力单元)/ MCP 连接器(数据接线)三层分离。

🔍 同类对比

  • vs knowledge-work-plugins(同公司同榜):那个是通用知识工作插件(横向能力),这个是垂类全流程(纵向作业);读它能学会「一个行业该怎么拆 Agent」,读前者能学会「一个职能该怎么拆 Skill」
  • vs 各类「金融 GPT」SaaS:SaaS 是封闭产品,它是参考实现(open implementation)——你可以逐字改 system prompt、换掉数据连接器指向自己的库,这正是开源打包方式的降维打击
  • vs 自己从零写行业 Agent:它已示范了三层结构(Agent / Skill / Connector)和双运行形态(插件 / API)的工程细节,从零写至少要踩一遍它踩过的坑

🎯 与你/mimocode 的关联

  • 你做的就是「医药流通行业运营」,它的三层拆法可以直接套到你的工作流上:比如「找货项目复盘」(品种类型×5 维度数据)、「爆款品种汰换」(25 淘汰/29 新增的决策流程)、「十万商业自动补贴」(百万商业/ cal_subsidy)都可拆成 Agent/Skill/数据连接器三层,数据连接器指向你的 TencentDB
  • mimocode「AI 生成 SQL 指南」(硬约束、默认口径、表结构、枚举值已消化进知识库)恰好对应它「Skill 束 + 数据连接器」的下半部分——你已经有连接器层的知识,缺的只是把它包成 Skill 的规范格式
  • 它同时示范了「同一套 prompt 双运行形态」:你的品类周报(飞书/企微投递)和 ext-monitor 监控也是同一批能力在不同出口复用,可参考它的打包方式把「周报生成」做成一个可插拔 Agent
🎨

办公/内容创作

个性化推荐
TypeScript
Office SDK Agent 办公
◆ Trendshift 实时榜 ⭐ 20,150 🍴 1,704
「给 AI Agent 的 Office 底座」——Univer 是高性能、可深度定制的 Office SDK:表格、文档、幻灯片、画布、关系型表格(Bases)、PDF(即将支持)一个运行时全包。Canvas 渲染 + 公式引擎 + 插件架构,浏览器和 Node.js 共用一套 Facade API。它的新定位很明确:过去是「给人用的在线 Office 组件」,现在是「给 Agent 用的办公运行时」——Agent 可以直接在结构化文档模型上读写,而不是模拟鼠标点 Excel。本周进入 Trendshift 实时榜,总星标 2.02 万。

🔍 同类对比

  • vs microsoft/markitdown(上周在榜):markitdown 是「文档→Markdown 给 Agent 读」(只读单向),Univer 是「Agent 在文档模型里读写」(双向可编辑);读数据用前者,改数据用后者
  • vs openpyxl/pandas 脚本(你现在的方式):脚本改 Excel 无预览、样式易丢;Univer 提供所见即所得的模型 + 公式引擎,适合「人还要看和改」的交付物
  • vs OnlyOffice / kkFileView 等在线预览:那些是给人看的编辑器,Univer 有面向 Agent 的 Facade API 和插件化数据接口,「Agent 原生」程度完全不同

🎯 与你/mimocode 的关联

  • 你和 mimocode 的产出物大量是 Excel:「稀缺优势分线索目录 Excel」「自动翻页统计导出 Excel」「公司问卷 Excel 模板」「共享补贴数据字典」「数据条件确认 CSV」——目前全是脚本生成静态文件,Univer 可以把「生成 → 在线看 → 改 → 回写库」串成闭环
  • mimocode「线索脚本升级为数据库与网页展示」(Excel 输出升级为 Vue/PHP 网页)正是这个方向;Univer 可以替代自研表格组件,省掉「供应商明细列表分页/冻结列/模糊搜索」(adjustment_task.html、AdminDashboard)这类反复造轮子
  • 注意:它是 SDK 不是成品应用,集成进你的 Vue/Django(稀缺品种合作管理页面)需要开发量;建议在「供应商托管明细列表」这类表格重的页面先试点
TypeScript
幻灯片框架 Agent 创作
◆ Trendshift 实时榜 ⭐ 8,175 🍴 577
「为 Agent 而生的幻灯片框架」——React-first,每一页都是 1920×1080 画布上的任意 React 组件,没有「跟布局系统搏斗」的问题。工作流是:agent 写代码生成页面,框架负责画布、缩放、热更新、演讲者模式(含备注)、资源管理(内置 svgl logo 搜索)、浏览器内检查器(实时编辑 + 持久评论)和导出。脚手架自带面向 Agent 的技能(create-slide、slide-authoring),Claude Code / Codex / Cursor / Gemini CLI / Zed 都能直接用。核心哲学是反着来的:不做「一句话出 PPT」的生成器,而是「Agent 写代码、人用提示词引导」的创作循环。本周进入 Trendshift 实时榜,总星标 8,175。

🔍 同类对比

  • vs guizang-ppt-skill(你在用):guizang 是单 HTML 文件横向翻页(模板化、零依赖、易分发),open-slide 是 React 工程化框架(任意布局、可导出、可评论迭代);前者适合快速出稿,后者适合反复打磨的正式 deck
  • vs 一句话生成 PPT 的工具(Gamma 类):生成器快但版式同质化、改起来像开盲盒;open-slide 的「代码即幻灯片」让每次修改都是确定性的 diff,符合你「先写 md 对齐再出 PPT」的迭代习惯
  • vs html-ppt-skill / frontend-slides 等 Skill 包:那些是「技能 + 模板」(一次性生成),open-slide 是「框架 + 工作流」(可持续维护一个 deck 的生命周期),量级和定位不同

🎯 与你/mimocode 的关联

  • 你的 PPT 工作流(「先写 md 内容文档对齐,确认后再做 PPT」「AI 分享 PPT-20260728」「商务向上走:对外品种潜力看板 Demo」)本质就是 open-slide 的 agent 工作流——它把「prompt 引导 + 迭代 + 评论」产品化了,你现有流程可以无缝套
  • 对「对外品种潜力看板 Demo」「顺德楼盘对比网页」这类要给业务同事演示的场景,演讲者模式 + 备注 + 可评论迭代比单 HTML 更专业
  • 注意:它输出的是 React 工程(需要构建),不如单 HTML 方便传飞书;建议保留 guizang(快速分发)+ open-slide(正式演示)双轨
🚫

本周过滤说明

按过滤规则剔除:vercel/next.js(+280,纯前端框架)、pytorch/pytorch(+295,ML 框架非本域)、rohitg00/ai-engineering-from-scratch(+3,207,纯教程/课程仓库)、FxEmbed/FxEmbed(+417,Discord 嵌入修复,非 AI 且与工作流无关)、cloudflare/quiche(+736,QUIC/HTTP3 网络库,与你的业务自动化无交集)。数据来源:GitHub Trending(weekly)实时抓取 + Trendshift 实时榜 + GitHub API 星标核验(2026-09-28 07:50)。连续两周上榜项目:orca、ECC、security-audit-skill、open-code-review、WeKnora、knowledge-work-plugins、claude-code;上周在榜本周掉榜:i-have-adhd、humanizer、no-ai-slop(输出治理三件套)、gods-eye-view、context-mode。